โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
บริษัท ไทยออยล์ จำกัด (มหาชน) (TOP) ประกอบธุรกิจโรงกลั่นน้ำมันที่มีกระบวนการผลิตที่ทันสมัยและมีประสิทธิภาพสูง เพื่อผลิตและจำหน่ายน้ำมันปิโตรเลียมสำเร็จรูปป้อนตลาดในประเทศเป็นส่วนใหญ่ ทั้งยังขยายการลงทุนให้ครอบคลุมการผลิตผลิตภัณฑ์ปิโตรเคมี นํ้ามันหล่อลื่นพื้นฐาน เอทานอล รวมถึงการลงทุนในธุรกิจไฟฟ้า ตลอดจนธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียม และปิโตรเคมีทางเรือ ธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียมสำเร็จรูปทางท่อ และธุรกิจให้คำปรึกษาทางด้านพลังงาน ซึ่งมีโรงกลั่นอยู่ที่อำเภอศรีราชา จังหวัดชลบุรี โครงงานสหกิจนี้เกี่ยวข้องกับการทำงานร่วมกับหน่วยผลิต Hydrogen Manufacturing 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) ซึ่งผลิตไฮโดรเจนบริสุทธิ์สูงสำหรับใช้ในกระบวนการต่าง ๆ เช่น Hydrocrackers, Hydrodesulphuriser และ Hydrotreaters หน่วยผลิตนี้มีบทบาทสำคัญในการแยกก๊าซธรรมชาติเหลือใช้จากกระบวนการก่อนหน้า ซึ่งมีความซับซ้อนสูงและต้องการการควบคุมอุณหภูมิและความดันอย่างแม่นยำเพื่อให้กระบวนการทำงานได้อย่างมีประสิทธิภาพ เนื่องจากการขาดเครื่องมือจำลองกระบวนการที่มีประสิทธิภาพส่งผลต่อความสามารถในการผลิตและประสิทธิภาพโดยรวม ทำให้ไม่สามารถส่งไฮโดรเจนให้กระบวนการข้างต้นได้ตามความต้องการ การใช้โปรแกรม AVEVA Pro/II ซึ่งเป็นเครื่องมือสำคัญในการจำลองกระบวนการผลิตในหน่วย HMU-2 และ PSA-3 พบว่ามีข้อผิดพลาดในการจำลองบางกระบวนการ ซึ่งส่งผลกระทบต่อความแม่นยำในการคาดการณ์พารามิเตอร์ที่เกี่ยวข้องกับการผลิตไฮโดรเจน การพัฒนาโมเดล Machine Learning จึงเป็นแนวทางใหม่ที่มีศักยภาพในการเพิ่มความแม่นยำในการคาดการณ์พารามิเตอร์กระบวนการต่าง ๆ เช่น อุณหภูมิ ความดัน และอัตราการไหล การนำเทคนิค Machine Learning มาช่วยในการคาดการณ์และปรับปรุงกระบวนการผลิตไฮโดรเจนให้ได้ตามความต้องการของหน่วยผลิตในบริษัทจึงเป็นสิ่งสำคัญในการเพิ่มประสิทธิภาพการผลิตและตอบสนองความต้องการที่สูงขึ้นได้อย่างมีประสิทธิผล
คณะบริหารธุรกิจ
งานวิจัยนี้เป็นการพัฒนาชาจากเปลือกและเมล็ดของลำไย ประชากรที่ใช้ในการศึกษาครั้งนี้ได้แก่ เกษตรกรผู้ปลูกและแปรรูปผลิตภัณฑ์จากลำไย ในอำเภอวังน้ำเย็น จังหวัดสระแก้ว ผลการศึกษาพบว่าจากกระบวนการผลิตลำไยอบแห้ง จะมีผลิตภัณฑ์ผลพลอยได้คือเปลือกและเมล็ดลำไย ซึ่งสามารถนำมาแปรรูปเป็นชาผงสำเร็จรูปพร้อมดื่มได้ ซึ่งนอกจากจะช่วยลดการเกิดขยะจากกระบวนการผลิต ยังมีส่วนช่วยสร้างรายได้จากผลิตภัณฑ์ผลพลอยได้ดังกล่าวเพิ่มอีกช่องทางหนึ่ง
คณะเทคโนโลยีการเกษตร
การทดลองนี้มีวัตถุประสงค์เพื่อศึกษาชนิดของพอลิเมอร์ที่เหมาะสมในการเคลือบร่วมกับสารสกัดคลอโรฟิลล์และคุณภาพของเมล็ดพันธุ์แตงกวาหลังจากการเคลือบ วางแผนการทดลองแบบ Completely Randomized Design (CRD) จำนวน 4 ซ้ำ โดยมี 5 กรรมวิธี ประกอบด้วยเมล็ดพันธุ์ที่เคลือบด้วยพอลิเมอร์ชนิดต่างกัน คือ Polyvinylpyrrolidone, Sodium Alginate, Carboxy Methyl Cellulose, Hydroxypropyl methylcellulose โดยพอลิเมอร์แต่ละชนิดทำการเคลือบร่วมกับ Chlorophyll และมีเมล็ดพันธุ์ที่ไม่เคลือบสารเป็นกรรมวิธีควบคุม ดำเนินการทดลองโดยเตรียมสารเคลือบด้วยการสกัด Chlorophyll จากใบมะม่วง แล้วนำมาเตรียมสารเคลือบโดยนำมาผสมกับพอลิเมอร์แต่ละชนิดที่มีความเข้มข้น 1 เปอร์เซ็นต์ โดยใช้สารสกัด Chlorophyll ที่มีความเข้มข้น 8 เปอร์เซ็นต์ จากนั้นตรวจสอบคุณสมบัติของสารเคลือบแต่ละกรรมวิธี ได้แก่ ความเป็นกรดด่างและความหนืดของสารเคลือบ แล้วจึงนำมาเคลือบเมล็ดพันธุ์แตงกวาด้วยเครื่องเคลือบระบบจานหมุนรุ่น RRC150 ในอัตราสารเคลือบ 1,100 มิลลิลิตรต่อเมล็ดพันธุ์ 1 กิโลกรัม จากนั้นนำมาลดความชื้นให้เมล็ดพันธุ์มีระดับความชื้นเท่ากับระดับความชื้นเริ่มต้นด้วยเครื่องเป่าลมร้อน แล้วตรวจคุณภาพเมล็ดพันธุ์ในลักษณะต่างๆ ได้แก่ ความชื้นของเมล็ดพันธุ์ ความงอกของเมล็ดพันธุ์ที่เพาะในสภาพห้องปฏิบัติการ ดัชนีการงอก และการเรืองแสงของเมล็ดพันธุ์ภายใต้เครื่องฉายแสงอัลตราไวโอเลตแบบพกพารวมถึงตรวจสเปกตรัมการคายแสงด้วยเครื่อง Spectrophotometer ผลการทดลองพบว่าพอลิเมอร์แต่ละชนิดสามารถนำมาใช้เป็นสารก่อฟิล์มร่วมกับคลอโรฟิลล์ได้ ซึ่งมีความเป็นกรด-ด่างและมีความหนืดของสารเคลือบที่เหมาะสม ไม่มีผลต่อคุณภาพของเมล็ดพันธุ์และมีการเรืองแสงที่ผิวของเมล็ดพันธุ์ทั้งการตรวจสอบภายใต้เครื่องฉายแสงอัลตราไวโอเลตแบบพกพาและการตรวจสเปกตรัมการคายแสงภายใต้เครื่อง Spectrophotometer โดยการใช้ HPMC เป็นสารก่อฟิล์มร่วมกับคลอโรฟิลล์ เป็นกรรมวิธีที่เหมาะสมทำให้เมล็ดพันธุ์มีประสิทธิภาพในการเรืองแสงมากที่สุด
คณะอุตสาหกรรมอาหาร
Ginbanirose มีเป้าหมายในการพัฒนาสารสกัดจากสมุนไพรที่ช่วยบรรเทาอาการปวดประจำเดือน โดยใช้วัตถุดิบหลัก ได้แก่ กระเจี๊ยบแดง หัวปลี และขิง ซึ่งมีสารสำคัญที่มีฤทธิ์ต้านการอักเสบ ต้านอนุมูลอิสระ และช่วยบรรเทาอาการปวด สารสกัดถูกปรับปรุงประสิทธิภาพด้วยเทคโนโลยีเอนแคปซูเลชันแบบลิโพโซม เพื่อเพิ่มการดูดซึมและความเสถียร กระบวนการผลิตประกอบด้วยการสกัดสารจากสมุนไพร การทำแห้งแบบฟรีซดราย และการเตรียมฟอร์มูเลชันลิโพโซม ผลการทดลองแสดงให้เห็นว่าสารสกัดมีสารประกอบฟีโนลิกและฤทธิ์ต้านอนุมูลอิสระสูง โดย Ginbanirose สามารถตอบโจทย์คุณภาพชีวิตของผู้หญิงและเพิ่มโอกาสทางธุรกิจในตลาดสมุนไพรที่กำลังเติบโตในภูมิภาคเอเชียแปซิฟิกอย่างต่อเนื่อง